基于心电数据的情绪分析和社交分享系统设计与实现
发布时间：2021-11-22 22:47
近年来随着科技的迅猛发展,关于人类与计算机之间情感交互的研究越来越备受关注,这使得情感计算成为一个热门的研究课题。情感识别是情感计算最重要的一部分,其主要涉及的研究内容包括人的动作、语音、表情以及生理信号等方面,相比其他几个方面,生理信号不受主观因素的影响,更具有真实性和客观性,所以对生理信号进行情感识别的意义更加深远。心电信号作为人体最重要的生理信号之一,可以客观的体现人类情绪变化的情况,因此本文利用心电信号进行情感识别的研究,具体研究过程分为三个步骤:心电信号的预处理、情感特征值的提取以及特征值的情感识别。本文选取平静、愉悦、悲伤、愤怒、厌恶、恐惧、惊奇七种情绪下心电波形良好的各511段样本作为实验数据。采用小波阈值去噪法对这些数据进行预处理,去除噪声及基线漂移,采用连续小波变换方法检测到心电波形的PQRST关键点,然后以P、Q、R、S、T这几个关键点的位置为参数,在时域和频域范围内共提取了心电信号的78个统计特征值,为下一步的情感识别实验做充分准备。对于七类情感数据的情绪类别划分,本文首先分析和研究了以下几种基于心电数据的情感识别方法:基于最大最小蚁群算法（MMAS）结合KNN分...
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
图２－１完整的心电波形??
?２．２．２基于小波阈值法的去噪过程及结果??本文采用的小波阈值去噪法的去噪处理过程如下：首先将图２－３所示的原始??心电信号按照ｄｂ３小波函数根据小波分解的原理进行４阶分解，得到如下图２－４??所示的ｄｌ？ｄ４的高频信号和低频信号ａ４；然后将第４层的低频系数ａ４设置为０，??进行基线漂移的消除处理，得到处理后的心电信号如图２－５所示，平均采样的周??期为３毫秒，横坐标表示的是设备的采样点数，纵坐标表示的是心电信号的电压??幅值；采用自适应阈值法对剩余的ｄｌ￣ｄ４高频系数选取特定的阈值，去除工频??千扰；最后重构阈值量化后的心电信号得到降噪处理后的心电信号［２４］。??１?？???原始这号????Ｉ?ｉ＊ｔ?ｉｔ?§?：?：?ｉ?Ｉ??］??Ｉ??＂Ｉ??，Ｉ??ｉ??〇?－?ｔ?Ａ?：！?．?！?－??＿〇
图２－５去除基线漂移后的信号??图２－６是采用小波阈值去噪法对己消除基线漂移的心电信号进一步处理的??果，同去噪之前的信号相比，处理后信号的噪声尤其是高频噪声被明显消除，??见采用小波阈值去噪法对原始信号作预处理操作不仅能够消除原始信号的工??干扰和基线漂移，还可以保证信号的不失真，为下一步心电信号情感特征值的??取做好充分准备。??１２??
【参考文献】：
期刊论文
[1]基于语谱图和卷积神经网络的语音情感识别[J]. 田熙燕,徐君鹏,杜留锋. 河南科技学院学报(自然科学版). 2017(02)
[2]基于蓝牙和智能手机的人体多生理参数无线监测系统[J]. 周开利,张伟,王旭. 物联网技术. 2015(06)
[3]Seismic signal recognition using improved BP neural network and combined feature extraction method[J]. 彭朝琴,曹纯,黄姣英,刘秋生. Journal of Central South University. 2014(05)
[4]JNI在Android系统下串口控制的应用[J]. 高海彬. 信息技术. 2013(10)
[5]基于智能算法的生理信号情感识别[J]. 熊勰,刘光远,温万惠. 计算机科学. 2011(03)
[6]蚁群算法在呼吸信号情感识别中的应用研究[J]. 林时来,刘光远,张慧玲. 计算机工程与应用. 2011(02)
[7]一种改进的线性判别分析算法MLDA[J]. 刘忠宝,王士同. 计算机科学. 2010(11)
[8]基于小波变换系数的心电信号基线漂移噪声去除方法[J]. 任杰,杨丽晓. 医疗卫生装备. 2010(11)
[9]基于心电P-QRS-T波的特征提取及情感识别[J]. 蒋德育,刘光远,龙正吉. 计算机工程与应用. 2009(08)
[10]分类器性能评价标准研究[J]. 秦锋,杨波,程泽凯. 计算机技术与发展. 2006(10)
硕士论文
[1]基于Web和PC客户端的智慧医疗监护平台的设计与实现[D]. 王俊.北京邮电大学 2015
[2]基于ZigBee技术的无线社区远程医疗监护系统研究[D]. 卞晨.合肥工业大学 2014
[3]基于ZigBee的低功耗远程医疗监护系统[D]. 王璐.兰州理工大学 2010
本文编号：3512587
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
图２－１完整的心电波形??
?２．２．２基于小波阈值法的去噪过程及结果??本文采用的小波阈值去噪法的去噪处理过程如下：首先将图２－３所示的原始??心电信号按照ｄｂ３小波函数根据小波分解的原理进行４阶分解，得到如下图２－４??所示的ｄｌ？ｄ４的高频信号和低频信号ａ４；然后将第４层的低频系数ａ４设置为０，??进行基线漂移的消除处理，得到处理后的心电信号如图２－５所示，平均采样的周??期为３毫秒，横坐标表示的是设备的采样点数，纵坐标表示的是心电信号的电压??幅值；采用自适应阈值法对剩余的ｄｌ￣ｄ４高频系数选取特定的阈值，去除工频??千扰；最后重构阈值量化后的心电信号得到降噪处理后的心电信号［２４］。??１?？???原始这号????Ｉ?ｉ＊ｔ?ｉｔ?§?：?：?ｉ?Ｉ??］??Ｉ??＂Ｉ??，Ｉ??ｉ??〇?－?ｔ?Ａ?：！?．?！?－??＿〇
图２－５去除基线漂移后的信号??图２－６是采用小波阈值去噪法对己消除基线漂移的心电信号进一步处理的??果，同去噪之前的信号相比，处理后信号的噪声尤其是高频噪声被明显消除，??见采用小波阈值去噪法对原始信号作预处理操作不仅能够消除原始信号的工??干扰和基线漂移，还可以保证信号的不失真，为下一步心电信号情感特征值的??取做好充分准备。??１２??
【参考文献】：
期刊论文
[1]基于语谱图和卷积神经网络的语音情感识别[J]. 田熙燕,徐君鹏,杜留锋. 河南科技学院学报(自然科学版). 2017(02)
[2]基于蓝牙和智能手机的人体多生理参数无线监测系统[J]. 周开利,张伟,王旭. 物联网技术. 2015(06)
[3]Seismic signal recognition using improved BP neural network and combined feature extraction method[J]. 彭朝琴,曹纯,黄姣英,刘秋生. Journal of Central South University. 2014(05)
[4]JNI在Android系统下串口控制的应用[J]. 高海彬. 信息技术. 2013(10)
[5]基于智能算法的生理信号情感识别[J]. 熊勰,刘光远,温万惠. 计算机科学. 2011(03)
[6]蚁群算法在呼吸信号情感识别中的应用研究[J]. 林时来,刘光远,张慧玲. 计算机工程与应用. 2011(02)
[7]一种改进的线性判别分析算法MLDA[J]. 刘忠宝,王士同. 计算机科学. 2010(11)
[8]基于小波变换系数的心电信号基线漂移噪声去除方法[J]. 任杰,杨丽晓. 医疗卫生装备. 2010(11)
[9]基于心电P-QRS-T波的特征提取及情感识别[J]. 蒋德育,刘光远,龙正吉. 计算机工程与应用. 2009(08)
[10]分类器性能评价标准研究[J]. 秦锋,杨波,程泽凯. 计算机技术与发展. 2006(10)
硕士论文
[1]基于Web和PC客户端的智慧医疗监护平台的设计与实现[D]. 王俊.北京邮电大学 2015
[2]基于ZigBee技术的无线社区远程医疗监护系统研究[D]. 卞晨.合肥工业大学 2014
[3]基于ZigBee的低功耗远程医疗监护系统[D]. 王璐.兰州理工大学 2010
本文编号：3512587
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3512587.html
